Wykorzystanie sieci neuronowych do interpretacji danych geofizyki otworowej i badań laboratoryjnych

Abstract

Main goal of this masters’ thesis was using artificial neural networks (ANN) for petrophysical interpretation of well logs and laboratory data. Author used Statistica®11 software to build a tool which can determine permeability in dolomite layers located in NW part of Fore-Sudetic Monocline. Permeability is classified as a fuzzy data and its determining is frequently not unambiguous. Analysis of gathered data and depth matching was made. Author has created several types of neural networks (such as MLP, RBF). ANNs were made with different input parameters, number of hidden neurons, activation and error functions. Neural network of best quality was used in permeability prediction in well with dolomite layers. W niniejszej pracy dyplomowej wykorzystano sztuczne sieci neuronowe do opracowywania danych laboratoryjnych i interpretacji profilowań geofizycznych. Autor, pracując w pakiecie programów Statistica®11, utworzył narzędzie służące do wyznaczania przepuszczalności, dla utworów dolomitu głównego, zlokalizowanego na monoklinie przedsudeckiej. Przepuszczalność należy do grupy danych rozmytych, więc jej określenie często nie jest jednoznaczne. W pracy przedstawiono analizę dostępnych danych, dokonano dopasowania głębokościowego danych laboratoryjnych i wyników profilowań. Utworzone zostały różne typy sieci neuronowych (m.in. MLP, RBF). Podczas etapu konstrukcji sieci zmieniano parametry wejściowe, ilość neuronów ukrytych, funkcje aktywacji i funkcję błędu. Sieć, cechująca się najwyższą jakością, została użyta do predykcji przepuszczalności w profilach otworów wiertniczych, w których występuje dolomit główny.